FastCal：面向机器人系统的鲁棒在线自标定
机器人学
2019-02-28 v1
摘要
我们提出了一种传感器外参自标定方案，其时间复杂度极低、精度具有竞争力，并能优雅地处理常被回避的极端情况：标定参数漂移和参数空间中不可观测方向。它由三个主要部分组成：1）基于信息论的分段选择以实现常数时间估计；2）通过对Fisher信息矩阵进行秩揭示分解实现可观测性感知的参数更新；3）通过分段的时间衰减实现漂移校正自标定。我们FastCal算法的核心是用于传感器外参标定的松耦合公式以及高效的测量选择。FastCal的运行速度比类似的自我标定算法（相机到相机外参，所有比较中均不包括特征匹配和图像预处理）快一个数量级，使得FastCal非常适合集成到现有的、资源受限的机器人系统中。
引用
@article{arxiv.1902.10585,
title = {FastCal: Robust Online Self-Calibration for Robotic Systems},
author = {Fernando Nobre and Christoffer Heckman},
journal= {arXiv preprint arXiv:1902.10585},
year = {2019}
}
备注
14 pages, 7 figures, originally presented at International Symposium on Experimental Robotics 2018 in Buenos Aires, Argentina